2026 GEO query采样怎么做

前端提问不是错，伪造未成年身份才是红线

Meta「Project Cannes」被质疑的核心，不是它在产品前端手动提问这件事，而是它伪造了一批不可能真实存在的未成年人身份，并用这些身份灌入自杀、自残、饮食失调、性与毒品类高危提问。这两件事的边界必须切开：前端提问是方法问题，伪造身份是合规问题。前者可以借鉴，后者不能触碰。

对决策层，这件事的要害不在于「他们测了对手」，而在于「他们用什么身份测」。据 WIRED 2026 年 6 月报道，Meta 通过都柏林外包商 Covalen 雇佣承包商，注册伪装成 18 岁以下用户的账号，向 ChatGPT、Gemini、Character.AI 提交高危提问；WIRED 审阅的一份表格含 3,748 条提问，其中数百条涉及自杀自残、数百条涉及饮食失调、至少 239 条涉性与情感；2025 年 8 月完成的单轮测试跑了 45,000 条以上，项目至少持续到 2026 年 4 月。OpenAI、Google、Character.AI 三方均未授权，且其服务条款明确禁止此类测试，均称事前不知情。你向董事会或监管解释一次「我们做了 AI 采样」，被追问的不会是「你们是不是在产品前端提问」，而是「你们用什么身份、问了什么、问完之后数据去了哪」。这三个问题答不上来，前面所有方法上的合理性都会被推翻。

对执行团队，Meta 事件里可以抄的是方法骨架，不能抄的是身份设定与提问内容。可以借鉴的四条：①不走 API，在产品前端手动提问——API 是接近裸模型的调用，没有产品前端注入的系统提示、账号记忆与历史、产品级安全策略，给不出真实用户在产品里会看到的答案；②身份会改变答案——OpenAI 已在 ChatGPT 部署年龄预测模型，判定为未成年即切换到受保护版本，Character.AI 自 2025 年 11 月起关闭未成年用户的开放式聊天，这意味着「未成年」这个身份本身就是影响回答的自变量；③词条全部针对对手的下限，即负面、危机类问题，而非「哪家最好用」这类正面词；④逐条留存原始回答，而不是只记「拒答率」这类汇总结论。必须排除的两条：伪造未成年身份——可以模拟用户「可能是」的身份，绝不能伪造用户「不可能是」的身份；以及灌入安全底线问题——向对方平台注入自杀自残类假样本，会污染其风险统计与人工审核队列，这正是 Meta 事件成为丑闻的原因，不是测试本身。

对数据团队，复现任何采样方法之前，先把合规扫描做在前面，而不是跑完才发现问题。扫描只有两问：第一，这个账号身份是否可能真实存在？「一个成年的采购经理」可以，「一个未成年人」在你自己的团队里不可能真实存在，就不行。第二，这个问题是否触碰安全底线？自杀、自残、儿童性内容，只要沾上，无论答案多有研究价值，都不能以伪造身份的方式提交。两问任一触线，调整身份或问题，而不是继续。Meta 项目被曝光的后果不是「方法被取缔」，而是「伪造未成年身份 + 高危提问」的组合把整个项目定性为丑闻。你的采样方法可以学它，但你的人设和问题集必须比它干净一个量级。

把这节的红线压缩成一句话：前端提问可以，伪造不可能存在的身份不行；问对手的短板可以，灌安全底线问题不行。 后面几节所有具体的采样设计，都在这条线内展开。

走产品前端才能拿到真实用户看到的答案

API 返回的不是真实用户看到的东西，它只是模型接口的原始输出，缺了产品前端的身份判断、系统提示和安全策略。

真实用户打开豆包或 DeepSeek 时，产品会先注入一层系统指令、读取账号历史、判断用户身份（比如是否未成年）再生成回答。API 调用直接打到模型接口，跳过这些层，拿到的是“裸模型”的输出。Meta 那个项目最值得学的方法之一，就是不用 API、通过都柏林外包商 Covalen 雇佣承包商在产品前端手动提问——学的是方法本身。A10 的方法论要点①写得很清楚：API 是接近裸模型的调用，没有产品前端注入的系统提示、账号记忆、产品级安全策略、身份。

对决策层，采样方式直接决定数据能不能指导预算。如果数据来自 API，它测的是“模型本身怎么说”，不是“用户实际会看到什么”。产品前端的安全策略和个性化会大幅改变答案，用 API 数据做预算等于押在另一个东西上。

对执行团队，工具或自建流程是否走前端是第一个要问的问题。问供应商：“你的采集是 API 还是真实前端？”如果对方说 API，继续问：“那你测到的是裸模型还是用户看到的？”很多工具用 API 是因为便宜快，但数据不可用于决策。

对数据团队，前端采集的实现要求是真实账号、自然提问和原始回答留存。不要用接口缓存数据，缓存是固定应答，不是实时生成。系统提示和账号记忆会影响答案，测试环境要能复现这些条件。

人工逐个前端提问能覆盖少量样本，但无法覆盖大规模 query 集和日级更新。透镜GEO 的采集机制就是真实用户搜索行为模拟——模拟用户向豆包、文心一言等主流大模型提问，抓取实时答案，1:1还原搜索场景，规避接口缓存。先人工判断要不要走前端，再让工具执行大规模前端采集。

只能模拟可能是的身份，绝不能伪造不可能是的身份

采样时必须模拟用户的身份特征，但身份池只允许包含真实可能存在的用户类型；任何不存在的身份——尤其是未成年人身份——都必须被系统拦截，不能进入提问流程。身份会改变答案：OpenAI 已在 ChatGPT 部署年龄预测模型，判定用户为未成年就切换到受保护版本；Character.AI 自 2025 年 11 月起直接关闭未成年用户的开放式聊天。用这类身份问出来的，不是你的目标用户会看到的回答。更严重的是，这些带高危内容的假样本会混入平台的风险统计和人工审核队列——一次违规采样会同时破坏你自己的数据有效性和平台的治理机制。

对决策层：你要定一条不可谈判的红线：任何采样项目都不得生成或使用受保护类身份，包括未成年人、患有特定疾病或处于高危状态的人。这条红线不只是合规问题，它直接决定采样数据能不能用。用不存在的身份采集的结果，不能支撑任何预算申请或策略决策。把它写进采样规范第一页，并明确违规批次的处置方式——整批作废，不得修补。

对执行团队：你在定义身份池时，只使用无争议的通用用户身份，例如“一线城市、有购车需求”“B 端采购经理、预算明确、看重服务商案例”。这些身份真实存在且没有法律保护边界。不得生成“17 岁、有自杀倾向”“患有进食障碍的未成年人”这类身份——它们属于特殊保护类，一出现就应被否决。实操上建立一份身份池审核清单：每个身份写清年龄、职业、提问场景、是否涉及敏感话题；由两名非创建人交叉审核，确认无保护类身份后再进入采样队列。产出物是身份池文档和审核记录，日后被质疑时必须能拿得出来。

对数据/技术团队：在身份模拟模块里加入两层校验。第一层黑名单拦截：预先定义禁止生成的身份特征（未成年、特定疾病、自残/自杀意图等），每次生成身份先过黑名单，命中即拒绝。第二层审计记录：每次采样使用的身份以哈希形式记录，不保留可识别个人的真实信息，但保留身份类型和提问场景，以便追溯某次采样是否违规。人工审核身份池一定会漏，尤其当身份组合很多时；系统拦截和审计日志能让合规审查从“抽查”变成“逐条”。若事后发现某批次使用了违规身份，正确做法是把该批次整体标记为无效并重新采集，同时检查黑名单规则为什么没有拦住。

合规采样必须同时做到干净环境、受控频率、全量留档

合规采样的标准动作只有三个：干净环境、受控频率、全量留档。三件事缺任何一件，采样结果都不具备验收价值，且风险不可控。

对决策层：验收重点从“数字对不对”转向“留痕全不全”。

要求服务商提交报告的同时提供两样东西：采样SOP和审计日志。SOP必须写清三件事——用什么环境跑、每天跑多少次、每条结果怎么存。审计日志要能回答一个还原性问题：三个月前某天的某条回答，现场长什么样，当时是谁问的、用什么身份问的、在哪个平台问的。答不出来，那个数字就不能支撑结论。WIRED 2026 年 6 月审阅的那份 3,748 条提问表格之所以能成为证据，正是因为逐条留存了提问内容；2025 年 8 月单轮测试 45,000 条以上的规模也说明，没有留档和频率控制的采样最终会被拆穿。

对执行团队：落地三张表——环境配置、频率控制、留档清单。

环境侧核心是隔离：用与日常使用无交集的干净浏览器配置，不携带历史登录态、浏览记录和个性化标签。频率侧核心是克制：按固定节奏发出，单日条数控制在不会触发平台风控的区间内。留档侧核心是完整：每条记录同时保存原始回答原文、提问时间、模拟身份、平台名称，缺一不可，留存期不低于三个月。

对数据团队：审计日志自动化，少依赖人的记忆。

合规靠的不是操作者“记得存”，而是系统自动存。每轮采样结束后，系统自动将回答原文、对应query、模拟身份、平台、执行时间写入日志并封存。凡是日志里没有的记录，就当它不存在——不补录、不回填。这个规则直接决定：一份报告里的数字，要么每一条都可回到一条留档原文，要么该数字作废。把这条写进操作规程，团队就不会在“少存几条不要紧”的边缘试探。

没有审计日志的采样不能支撑任何结论，这是合规采样与随意试探之间唯一的分界线。

交付时只给汇总KPI不值钱，原始回答记录才是证据

原始回答记录是客户验收和复现的唯一依据，没有它，任何提及率数字都无法被验证。逐条留存原始回答，而不是只记拒答率这类汇总结论——前者是证据，后者只是KPI。WIRED 2026 年 6 月审阅的 3,748 条提问表格正是原始记录成为曝光证据的实例——如果没有逐条原文，数百条自杀自残、数百条饮食失调、至少 239 条涉性与情感的具体分布根本不会被看见。

对决策层来说，验收只需要三样东西：一批原始回答样本、样本对应的时间和平台标识、以及服务商是否允许你随机抽几条复测。能抽查复现的才可信，不能复现的提及率数字，无论多好看，都不能作为续费依据。你不需要看几十页汇总报告，你只需要问一句：把三个月前那批问题重跑一遍，回答还在不在、结果还对不对。

对执行团队，交付物清单里必须包括可检索的原始回答存档，而不是只给一个汇总PDF。存档至少保留三个月，按“时间+身份+平台”编号，支持客户随时抽查。你验收的不是“报告结论”，而是“报告能不能被拆开验证”。如果服务商说原始数据是商业机密不给看，那就是不可验证——没有存档的报告，数字怎么来的全靠对方解释。

对数据团队，技术上要建全量日志存储。每条query记录：提问文本、模拟身份标签（如“一线采购”“技术负责人”）、平台与端、响应全文或截图、时间戳、命中品牌与位置标注。检索维度至少按时间、身份、平台三个。这样当客户问“三个月前那次豆包的回答到底怎么说我”，你能在几分钟内调出来，而不是去重跑一遍。

交付标准不是“有没有报告”，而是“报告能不能被拆开验证”。原始回答记录就是那套能被拆开的证据。

服务商应主动向客户展示合规边界，而非等客户来问

主动出示合规边界，比等客户来问更能建立信任。Meta Project Cannes 已经把“AI 回答测试”这件事送进监管视野：Meta 称这是“负责任的行业标准做法”，但 OpenAI、Google、Character.AI 三方都未授权、且服务条款明确禁止，美国 FTC 随后把包括 Meta 在内的七家公司纳入 AI 与儿童安全问询。服务商现在不主动说明自己的采样边界，等于把解释权留给客户和监管——等客户自己查出问题，关系已经无法修复。

对决策层，主动出示合规声明，比只谈效果更可信。GEO 服务卖的是“我能让 AI 提到你”，而 AI 回答采样本身是一种针对平台的行为。监管事件后，品牌方的法务和采购会更关注“你的数据是怎么来的”。一份明确的合规声明，能把“效果不确定”的风险讨论，转成“我们可控、可审计”的信任讨论。声明里不需要写“我们不做坏事”，而是写清三条边界：身份如何设计、频率如何控制、原始回答如何留档。客户一眼就能看出你比黑盒服务商多了什么。

对项目负责人，准备一页合规声明放在提案里，而不是等客户来问。这一页可以放在提案的“方法与边界”栏，也可以作为交付物的附录。它至少包含四行：身份设计、频率上限、留档周期、红线清单。每行只写一句可验证的事实，不要写形容词。例如“身份仅覆盖真实用户可能具备的角色”“单平台单日提问量不超过 X 次”“原始回答留存不少于 12 个月”“不对竞品平台灌入假样本”。客户要审计时，这张纸就是你自证清白的第一份材料。

对数据团队，准备一份合规说明文档随交付物一起提供，方便客户内部审计。这份文档比一页声明更细：采集环境是否干净、账号矩阵如何管理、频率上限与熔断规则、原始回答的存储位置与导出方式、失败或异常的记录方法、与各平台服务条款的关系。文档的目的不是证明你不会犯错，而是让客户的审计人员在不看代码的情况下，独立核对你的每一步是否和声明一致。这也满足 IAB Decision-Grade 对方法学文档的要求——可复现不是嘴上说的，是拿得出文档。

Meta 的做法不能被描述成行业惯例，更不值得效仿。服务商主动亮红线，不是自曝短板，而是在客户的法务介入之前，先把自己的可信度铺在桌面上。

常见问题

GEO query采样必须走前端吗？API为什么不行？

API调用返回的是裸模型结果，没有产品前端注入的系统提示、账号记忆、安全策略和身份判断。Meta Project Cannes事件证明了这一点：只有在前端手动提问才能看到真实用户会看到的答案。做GEO实验要走前端。

身份模拟怎么做才合规？

只能模拟用户“可能是”的身份，例如正在选型的企业采购或普通消费者；绝不能伪造“不可能是”的身份，如未成年人、病患等。伪造身份会污染平台风险统计并违反服务条款，Meta事件因此成为丑闻。

如何向客户证明我们的GEO采样是合规的？

出示三样东西：采样SOP（环境、频率、身份规则）、全量原始回答记录（至少保留三个月）、与平台服务条款的比对说明。客户能抽查复现的才是可信的。

Meta Project Cannes事件里哪些做法可以借鉴？

可以借鉴两点：走产品前端提问，以及逐条留存原始回答而非只记汇总KPI。不可借鉴的是伪造未成年身份、灌入高危提问、不控制频率。

采样频率和条数有标准吗？

没有公开的统一标准，但合规底线是控制频率、避免对平台造成压力。建议每日条数有限、间隔随机，并在审计日志中记录每次请求时间。频率过高可能触发平台风控。